江苏龙网

  1. 首页 > 人文 > >

|李航等提出多粒度AMBERT模型，中文提升显著


选自arXiv
作者：Xinsong Zhang、李航
机器之心编译
编辑：杜伟、小舟
自谷歌 BERT 模型问世以来 ， 各式各样的 BERT 变体模型在自然语言理解任务上大显身手 。 近日 ， 字节跳动 AI 实验室李航等研究者提出了一种新型多粒度 BERT 模型 ， 该模型在 CLUE 和 GLUE 任务上的性能超过了谷歌 BERT、Albert、XLNet 等 。
BERT 等预训练语言模型在自然语言理解（Natural Language Understanding, NLU）的许多任务中均表现出了卓越的性能 。
可以看到 ， 模型中的 token 通常是细粒度的 ， 对于像英语这样的语言 ， token 是单词或子词；对于像中文这样的语言 ， 则是单个汉字 。 例如在英语中有多个单词表达式构成的自然词汇单元 ， 因此使用粗粒度标记化（tokenization）似乎也是合理的 。 实际上 ， 细粒度和粗粒度标记化对于学习预训练语言模型都各有利弊 。
近日 ， 字节跳动 Xinsong Zhang、李航两位研究者在细粒度和粗粒度标记化的基础上 ， 提出了一种新的预训练语言模型 ， 他们称之为 AMBERT（一种多粒度 BERT） 。 在构成上 ， AMBERT 具有两个编码器 。
对于英文 ， AMBERT 将单词序列（细粒度标记）和短语序列（粗粒度标记）作为标记化后的输入 ， 其中使用一个编码器处理单词序列 ， 另一个编码器处理短语序列 ， 并利用两个编码器之间的共享参数 ， 最终分别创建单词和短语的上下文表示序列 。
|李航等提出多粒度AMBERT模型，中文提升显著
本文插图

论文链接：https://arxiv.org/pdf/2008.11869.pdf
研究团队已经在一些中文和英文的基准数据集（包括 CLUE、GLUE、SQuAD 和 RACE）上进行了实验 。 实验结果表明 ， AMBERT 的性能几乎在所有情况下都优于现有的最佳性能模型 。 尤其是对于中文而言 ， AMBERT的提升效果显著 。
|李航等提出多粒度AMBERT模型，中文提升显著
本文插图

我们首先看一下中英文任务中细、粗粒度模型层的注意力图 。
下图 1 显示了适用于中英文句子的细粒度模型的首层注意力图 。 可以看到 ， 某些 token 不恰当地出现在句子的其他 token 上 。
例如在英文句子中 ， 「drawing」、「new」和「dog」分别对「portrait」、「york」和「food」这几个词有高注意力权重 ， 但这是不合适的 。 而在中文句子中 ， 汉字「拍」、「北」和「长」分别对「卖」「京」「市」有高注意力权重 ， 这也是不合适的 。
|李航等提出多粒度AMBERT模型，中文提升显著
本文插图

下图 2 显示了中英文相同句子粗粒度模型的首层注意力图 。
在英文句子中 ， 单词组成的短语包括「drawing room」、「york minister」和「dog food」 ， 前两个句子中的注意力是恰当的 ， 但最后一个句子则因为不正确的标记化而出现了不恰当的注意力 。 类似地 ， 在中文句子中 ， 高注意力权重的「球拍（bat）」和「京城（capital）」都是合理的 ， 但「市长（mayor）」不合理 。 但请注意：错误的标记化是不可避免的 。
|李航等提出多粒度AMBERT模型，中文提升显著
本文插图

接下来详细解读 AMBERT 模型的细节和实验结果 。
AMBERT 模型
研究者在下图 3 中给出了 AMBERT 的整体框架 。 AMBERT 以文本作为输入 ， 其中 ， 文本要么是单个文档中的长序列 ， 要么是两个不同文档中两个短序列的级联 。 接着在输入文本上进行标记化 ， 以获得细、粗粒度的 token 序列 。
|李航等提出多粒度AMBERT模型，中文提升显著
本文插图

AMBERT 模型整体框架
具体来说 ， AMBERT 具有两个编码器 ， 分别用于处理细、粗粒度 token 序列 。 每个编码器具有与 BERT（Devlin 等人 ， 2018）或 Transformer 编码器（Vaswani 等人 ， 2017）完全相同的架构 。
此外 ， 两个编码器在每个对应层共享相同的参数 ， 但两者的嵌入参数不同 。 细粒度编码器在对应层上从细粒度 token 序列中生成上下文表示 ， 而粗粒度编码器在对应层上从粗粒度 token 序列中生成上下文表示 。
最后 ， AMBERT 分别输出细、粗粒度 token 的上下文表示序列 。
预训练
AMBERT 的预训练主要基于掩码语言建模（mask language modeling, MLM）进行 ， 并从细、粗粒度两个层面展开 。 出于比较的目的 ， 研究者在实验中只使用了预测下一个句子（next sentence prediction, NSP） 。
预训练过程被定义为以下函数的优化：
|李航等提出多粒度AMBERT模型，中文提升显著
本文插图

微调
在分类任务上的 AMBERT 微调中 ， 细、粗粒度编码器分别创建特定的 [CLS] 表示 ， 并且这些表示都用于分类任务 。 微调过程被定义为以下函数的优化：
类似地 ， 我们可以对跨度检测（span detection）任务上的 AMBERT 进行微调 ， 其中细粒度 token 的表示与对应粗粒度 token 的表示实现了级联 。
替代模型
研究者还提出了 AMBERT 的两种替代模型 AMBERT-Combo 和 AMBERT-Hybrid ， 它们也依赖于多粒度的标记化 。 研究者在实验部分也将三者进行了比较 。
实验
在实验部分 ， 研究者分别在中英文基准数据集上 ， 将 AMBERT 与细、粗粒度 BERT 基线以及 AMBERT-Combo 和 AMBERT-Hybrid 替代模型进行了比较 。
中文任务
下表 1 展示了分类任务的结果 。 可以看到 ， AMBERT 将 BERT 基线方法的平均得分提升了约 1.0% ， 并且其性能优于 AMBERT-Combo 和 AMBERT-Hybrid 替代模型 。
|李航等提出多粒度AMBERT模型，中文提升显著
本文插图

下表 2 展示了机器阅读理解（Machine Reading Comprehensive, MRC）任务上的结果 。 可以看到 ， AMBERT 将 BERT 基线的平均得分提升了约 3.0% 。
|李航等提出多粒度AMBERT模型，中文提升显著
本文插图

此外 ， 研究者还在 CLUE 排行榜上将 AMBERT 与当前最优模型进行了比较 ， 结果如下表所示：
|李航等提出多粒度AMBERT模型，中文提升显著
本文插图

英文任务
研究者在 GLUE 任务上将 AMBERT 与 BERT 模型以及 AMBERT-Combo、AMBERT-Hybrid 替代模型进行了比较 。 Google BERT 的结果出自原论文 ， Our BERT 的结果由研究者获得 。
如下表 4 所示 ， AMBERT 在大多数任务上的性能优于其他模型 ， 并且 AMBERT 等多粒度模型能够取得优于单粒度模型的结果 。 在多粒度模型中 ， AMBERT 在参数和计算量更少的情况下依然实现了最佳性能 。
|李航等提出多粒度AMBERT模型，中文提升显著
本文插图

研究者在 SQuAD 任务上将 AMBERT 与其他 BERT 模型进行了比较 。 Google BERT 结果出自原论文或者由研究者使用官方代码运行获得 。
如下表 5 所示 ， AMBERT 在 SQuAD 任务上显著优于 Google BERT 。 Our BERT (word)通常表现良好 ， Our BERT (phrase)在跨度检测任务上表现糟糕 。
此外 ， 在RACE任务上 ， AMBERT在所有开发集和测试集的基线中表现最好 。
AMBERT是最佳的多粒度模型 。
|李航等提出多粒度AMBERT模型，中文提升显著
本文插图

最后 ， 研究者在 GLUE 和 MRC 任务上将 AMBERT 与 SOTA 模型进行了比较 ， 结果如下表 6 所示：
|李航等提出多粒度AMBERT模型，中文提升显著
本文插图

【|李航等提出多粒度AMBERT模型，中文提升显著】案例研究
研究者对 BERT 和 AMBERT 的结果进行了定性研究 ， 结果如下表 7 所示 ， 研究者给出了蕴含任务 QNLI 和 CMNLI 的一些随机示例 。 其中数值「0」表示有蕴含关系 ， 数值「1」表示无蕴含关系 。 WORD/PHRASE 表示 Our BERT 的词或者短语 。
|李航等提出多粒度AMBERT模型，中文提升显著
本文插图


    推荐阅读


    上一篇：秋天喝蒲公英可以抗病？经常用蒲公英泡水喝，3个好处，手到擒来

    下一篇：台海开战美军会帮台湾吗？5.5万网友最新投票出炉